发明内容
为了解决同一种手势姿态由于使用者每次的挥动情况存在差异,使得对新采集到的数据划分所属的簇类时受到噪声的干扰,导致基于手势识别对智能戒指的控制操作存在误差的技术问题,本发明的目的在于提供基于手势识别的智能戒指控制方法,所采用的技术方案具体如下:
获取智能戒指对应的不同维度的陀螺仪数据;并由实时的陀螺仪数据构成实时手势数据;
将实时手势数据划分至任意手势识别簇中,根据不同维度的实时手势数据在每个手势识别簇中的波动情况,确定不同维度的实时手势数据在每个手势识别簇中的手势信息表征值;
将每个维度的实时手势数据与手势识别簇内的同一维度的历史手势数据进行匹配,得到每个维度的实时手势数据在当前手势识别簇内的置信度;
结合实时手势数据的置信度、实时手势数据的手势信息表征值、实时手势数据与同一类手势识别簇内的历史手势数据的相似情况,确定实时手势数据在当前手势识别簇内的隶属度;
根据实时手势数据在不同手势识别簇中对应的隶属度,确定实时手势数据对应的真实手势识别簇;
根据所述真实手势识别簇对智能戒指反馈控制指令。
优选的,所述手势信息表征值的计算公式为:
其中,为实时手势数据在x轴维度上的手势信息表征值;/>为以自然常数e为底数的指数函数;n为手势识别簇中的手势数据的数量;/>为手势识别簇中第j个手势数据在x轴维度上的平均振幅;/>为手势识别簇中所有数据在x轴维度上的平均振幅的方差;为除去平均振幅/>外其他数据在x轴维度上的平均振幅的方差。
优选的,所述将每个维度的实时手势数据与手势识别簇内的同一维度的历史手势数据进行匹配,得到每个维度的实时手势数据在当前手势识别簇内的置信度,包括:
在每个维度的实时手势数据对应的陀螺仪数据上滑动滑窗,根据滑窗窗口内的数据分布情况,确定每个维度的实时手势数据对应的滑窗窗口的窗口表征能力;基于窗口表征能力,从每个维度的实时手势数据对应的滑窗窗口筛选出每个维度的实时手势数据对应的优选窗口;
在手势识别簇内与实时手势数据同一维度的历史手势数据对应的陀螺仪数据上滑动滑窗,根据滑窗窗口内的数据分布情况,确定与实时手势数据同一维度的历史手势数据对应的滑窗窗口的窗口表征能力;基于窗口表征能力,从历史手势数据对应的滑窗窗口筛选出与实时手势数据同一维度的历史手势数据对应的优选窗口;
根据每个维度的实时手势数据对应的优选窗口和历史手势数据对应的优选窗口的相似情况,确定每个维度的实时手势数据和历史手势数据的相似性;
根据每个维度的实时手势数据和手势识别簇内的历史手势数据的相似性,确定每个维度的实时手势数据在当前手势识别簇内的置信度。
优选的,所述滑窗窗口的窗口表征能力的获取方法为:
对于滑窗窗口的任意维度的任意陀螺仪数据,将该陀螺仪数据和滑窗窗口中该陀螺仪数据之前的同一维度的陀螺仪数据的波动范围大小的乘积,作为该陀螺仪数据的初始表征能力;
将滑窗窗口内陀螺仪数据对应的最大初始表征能力的归一化值,作为滑窗窗口的窗口表征能力。
优选的,所述根据每个维度的实时手势数据对应的优选窗口和历史手势数据对应的优选窗口的相似情况,确定每个维度的实时手势数据和历史手势数据的相似性,包括:
利用动态时间规整算法对每个维度的实时手势数据对应的优选窗口和同一维度的历史手势数据对应的优选窗口内的陀螺仪数据进行匹配,计算匹配后的数据对中数据之间的欧式范数,将相匹配的优选窗口内匹配后的数据对应的欧式范数的方差进行负相关归一化,将负相关归一化后的结果值,作为初始判断值;将最大初始判断值对应的历史手势数据对应的优选窗口作为历史最优窗口;
将每个维度的实时手势数据的优选窗口和对应的同一维度的历史最优窗口的初始判断值的和值进行归一化,将归一化后的值作为每个维度的实时手势数据和同一维度的历史手势数据的相似性。
优选的,所述根据每个维度的实时手势数据和手势识别簇内的历史手势数据的相似性,确定每个维度的实时手势数据在当前手势识别簇内的置信度,包括:
将每个维度的实时手势数据和手势识别簇内的同一维度的历史手势数据的相似性的和值进行归一化,将归一化后的值作为每个维度的实时手势数据在当前手势识别簇内的置信度。
优选的,所述优选窗口的获取方法为:
将Top-k个窗口表征能力对应的滑窗窗口作为优选窗口,其中k的取值为正整数。
优选的,所述结合实时手势数据的置信度、实时手势数据的手势信息表征值、实时手势数据与同一类手势识别簇内的历史手势数据的相似情况,确定实时手势数据在当前手势识别簇内的隶属度,包括:
其中,为实时手势数据在第i个手势识别簇内的隶属度;norm为线性归一化函数;E是第i个手势识别簇内的历史手势数据的数量;/>为在x轴维度上实时手势数据的置信度;/>为在y轴维度上实时手势数据的置信度;/>为在z轴维度上实时手势数据的置信度;/>为在x轴维度上实时手势数据与第e个历史手势数据的相似性;/>为在y轴维度上实时手势数据与第e个历史手势数据的相似性;/>为在z轴维度上实时手势数据与第e个历史手势数据的相似性;/>为实时手势数据在x轴维度上的手势信息表征值;/>为实时手势数据在y轴维度上的手势信息表征值;/>为实时手势数据在z轴维度上的手势信息表征值。
优选的,所述根据实时手势数据在不同手势识别簇中对应的隶属度,确定实时手势数据对应的真实手势识别簇,包括:
将实时手势数据的最大隶属度所对应的手势识别簇作为待选手势识别簇,当最大隶属度大于预设隶属度阈值时,将待选手势识别簇作为真实手势识别簇,其中,预设隶属度阈值的取值为正数。
优选的,所述不同维度的陀螺仪数据,包括:x轴陀螺仪数据、y轴陀螺仪数据和z轴陀螺仪数据。
本发明实施例至少具有如下有益效果:
本发明涉及用户交互技术领域。该方法首先获取智能戒指对应的不同维度的陀螺仪数据和对应的实时手势数据;将实时手势数据划分至任意手势识别簇中,由于不同手势在不同维度的表征能力不同,故根据不同维度的实时手势数据在每个手势识别簇中的波动情况,确定手势信息表征值,其用于后续调节实时手势数据在手势识别簇中的隶属度;将每个维度的实时手势数据与手势识别簇内的同一维度的历史手势数据进行匹配,得到每个维度的实时手势数据在当前手势识别簇内的置信度,该置信度反映了实时手势数据属于当前手势识别簇的概率;结合实时手势数据的置信度、实时手势数据的手势信息表征值、实时手势数据与同一类手势识别簇内的历史手势数据的相似情况,确定实时手势数据在当前手势识别簇内的隶属度,相较于从单一方向考虑实时手势数据在当前手势识别簇的隶属度,其综合考虑了实时手势数据与手势识别簇中所有数据之间的情况,考虑了实时手势数据与手势识别簇中所有数据的相似情况,并考虑了不同维度的特征,使得提高了对隶属程度的准确性的判断;根据实时手势数据在不同手势识别簇中对应的隶属度,确定实时手势数据对应的真实手势识别簇,根据所述真实手势识别簇对智能戒指反馈控制指令。本发明避免了分析实时手势数据的所属的簇类时会受到噪声的干扰,分析实时手势数据和人为划分的手势识别簇中共同分布特征的相似性进行簇类划分,降低了噪声的干扰,提高了基于手势识别对智能戒指的控制的准确性。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效,以下结合附图及较佳实施例,对依据本发明提出的基于手势识别的智能戒指控制方法,其具体实施方式、结构、特征及其功效,详细说明如下。在下述说明中,不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外,一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
基于手势识别的智能戒指控制方法实施例:
本发明实施例提供了基于手势识别的智能戒指控制方法的具体实施方法,该方法适用于用户交互。该场景下由人为提前设定好了多个手势识别簇。为了解决同一种手势姿态由于使用者每次的挥动情况存在差异,使得对新采集到的数据划分所属的簇类时受到噪声的干扰,导致基于手势识别对智能戒指的控制操作存在误差的技术问题。本发明获得每个手势数据的置信度,根据置信度去计算实时手势数据和历史手势数据之间的相似情况得到隶属度,根据隶属度获得新采集的数据的真实手势识别簇,后续可以根据真实手势识别簇对智能戒指进行控制。
下面结合附图具体的说明本发明所提供的基于手势识别的智能戒指控制方法的具体方案。
请参阅图1,其示出了本发明一个实施例提供的基于手势识别的智能戒指控制方法的步骤流程图,该方法包括以下步骤:
步骤S100,获取智能戒指对应的不同维度的陀螺仪数据;并由实时的陀螺仪数据构成实时手势数据。
通过智能戒指中安装的陀螺仪传感器,采集不同维度的陀螺仪数据,在本发明实施例中采用的陀螺仪传感器为三轴陀螺仪传感器。其中,不同维度的陀螺仪数据包括:x轴陀螺仪数据、y轴陀螺仪数据和z轴陀螺仪数据。
进一步的,由实时的陀螺仪数据构成实时手势数据,可按照时间间隔,将连续的陀螺仪数据划分至同一手势数据中,具体的,当相邻的两个陀螺仪数据之间的时间间隔大于预设间隔阈值时,将这两个陀螺仪数据划分至两个手势数据中,其中预设间隔阈值为正数,在本发明实施例中预设间隔阈值的取值为3,在其他实施例中由实施者根据实际情况调整该取值。例如,当十个陀螺仪数据为{a1,a2,a3,a4,a5,a6,a7,a8,a9,a10},十个陀螺仪数据中每相邻两个陀螺仪数据之间的时间间隔为{1,2,2,1,5,1,6,3,4}时,则根据相邻两个陀螺仪数据的时间间隔,可知当时间间隔为5时,对应的为a5和a6,则a5和a6要划分至两个手势数据中,a5和之前的陀螺仪数据划分至同一个手势数据中,a6和之后的陀螺仪数据划分至同一个手势数据中;当时间间隔为6时,对应的为a7和a8,则a7和a8要划分至两个手势数据中,a7和之前的陀螺仪数据划分至同一个手势数据中,a8和之后的陀螺仪数据划分至同一个手势数据中;当时间间隔为4时,对应的为a9和a10,则a9和a10要划分至两个手势数据中,a9和之前的陀螺仪数据划分至同一个手势数据中,a10和之后的陀螺仪数据划分至同一个手势数据中。故可将十个陀螺仪数据{a1,a2,a3,a4,a5,a6,a7,a8,a9,a10}划分为{a1,a2,a3,a4,a5},{a6,a7},{a8,a9},{a10}四个手势数据。
步骤S200,将实时手势数据划分至任意手势识别簇中,根据不同维度的实时手势数据在每个手势识别簇中的波动情况,确定不同维度的实时手势数据在每个手势识别簇中的手势信息表征值。
根据先验知识得知采集的手势数据由于相同的手势存在一定的差异,导致采集的陀螺仪数据存在波动性。在对其进行手势识别时会导致数据簇类匹配不上,会影响后续手势识别的精准度。根据分析得知采集的手势数据中存在噪声,可以通过分析采集的数据和簇类中每一个数据都进比较,针对簇类中数据的稳定情况获得每个数据的置信度,综合分析新采集数据和簇类中每个数据的趋势相似性,根据趋势相似性对新采集的数据的簇类划分,根据划分的结果对手势进行识别。
根据分析得知同种手势数据之间由于手势的差异采集的数据会存在差异,同时采集的陀螺仪数据会受到噪声的干扰。智能戒指在使用时需要事先通过人工进行手势数据的采样,将采样的同一种手势数据人为的划分到一个簇类中。分析新采集手势数据和已经划分好簇类的历史手势数据进行对比可以判读新采集的手势数据所属的种类。在本发明实施例中将新采集的手势数据作为实时手势数据。
根据分析得知采集的陀螺仪数据为三轴的,在进行数据分析时要考虑到多维数据变化情况,分析相同手势下各个维度信息的变化情况,不同手势下每个维度对手势信息的表征能力不同,例如某些手势下对于y轴数据较为平稳,但是x轴和z轴数据波动程度较大,那么对应的x轴和z轴的数据越能表征该手势姿态的信息。由于采集的陀螺仪数据受到噪声的干扰,分析每个数据的置信度时可以考虑数据之间的共同分布特征,在维度表征能力越强的数据中的共同分布特征越多说明这组数据的可信度越高。
根据分析得知采集的手势数据是由不同维度的陀螺仪数据构成的一段数据,因为一个手势数据会存在一个完整的动作,采集的手势陀螺仪数据一段三维的曲线。根据上述逻辑得知使用智能戒指时要预先通过人工对采集的数据进行种类划分,人为的将同种的手势信息划分到一个簇类中获得各个手势的合集。以第i个簇类合集中的数据情况作为数据处理的示例,其它簇类可以通过同样的操作进行分析。分析第i个簇类合集中的数据分布情况,由于簇类中的每个数据都是一个三维的曲线,对三维曲线进行拆分获得三个随时间变化的曲线,横轴是时序的变化,纵轴是采集的三维陀螺仪数据在x,y,z不同方上的波动幅值。根据分析得知同一手势下可能产生的动作时间不相同,在采样频率相同时由于采样的时间长度不相同会导致采集的数据量不相同。
将实时手势数据划分至任意手势识别簇中,根据不同维度的实时手势数据在每个手势识别簇中的波动情况,确定不同维度的实时手势数据在每个手势识别簇中的手势信息表征值。需要说明的是,手势识别簇是由人工标注事先将历史手势数据划分为多个簇得到的,划分至同一手势识别簇内的手势均为同一个手势。
手势信息表征值的获取方法为:
其中,为实时手势数据在x轴维度上的手势信息表征值;/>为以自然常数e为底数的指数函数;n为手势识别簇中的手势数据的数量;/>为手势识别簇中第j个手势数据在x轴维度上的平均振幅;/>为手势识别簇中所有数据在x轴维度上的平均振幅的方差;为除去平均振幅/>外其他数据在x轴维度上的平均振幅的方差。
需要说明的是,手势识别簇中的手势数据包括历史手势数据和划分至该手势识别簇内的实时手势数据。其中,手势数据的振幅即为手势数据的数据值,手势识别簇中第j个手势数据在x轴维度上的平均振幅,即为手势识别簇中第j个手势数据在x轴维度上的x轴陀螺仪数据的平均值;手势识别簇中所有数据在x轴维度上的平均振幅的方差/>,即为手势识别簇中每个手势数据在x轴维度上的x轴陀螺仪数据的平均值的方差。
不同的手势陀螺仪数据在不同的维度存在不同的表现能力,根据分析得知陀螺仪数据在这个维度波动的越剧烈,则反映这个维度的对手势信息的表征能力越好,波动能力可以通过波动的振幅表示,振幅越大波动能力越强。但是由于噪声的存在会影响波动的振幅,噪声可能会产生正叠加使得波动能力增强,噪声也可能会产生负叠加使得波动能力降低。在进行分析维度对手势信息的表征能力时,要考虑到噪声的影响,根据分析噪声是随机的,可以通过同一手势下不同采集次数之间相同维度信息的波动稳定性去判断,这组数据同一维度下的波动程度的稳定性去修正波动的振幅,波动稳定性越好说明数据的可信度越高。
步骤S300,将每个维度的实时手势数据与手势识别簇内的同一维度的历史手势数据进行匹配,得到每个维度的实时手势数据在当前手势识别簇内的置信度。
分析同一手势在同一维度下对应的陀螺仪数据的共同分布特征,由于同种手势采集的时间长度可能存在差异,故需要通过动态时间规整算法(Dynamic Time Warping,DTW)对手势数据进行数据匹配。
在本发明实施例中设置三十分之一采样时间大小的窗口在采集的数据上滑动,滑窗将手势数据中的陀螺仪数据分割成若干个滑窗窗口,分析每个滑窗窗口对采集数据的表征能力,根据表征能力的选取可以表征整条曲线的十个窗口。分析不同数据曲线窗口中数据分布的相似情况可以获得每条曲线的置信度。直接分析整条曲线的之间的相似性,曲线受到噪声的影响会发生变化影响相似性的计算,通过设置小窗口可以降低噪声的影响程度。
故将每个维度的实时手势数据与手势识别簇内的同一维度的历史手势数据进行匹配,得到在每个维度的实时手势数据在当前手势识别簇内的置信度,具体的:
步骤一,在每个维度的实时手势数据对应的陀螺仪数据上滑动滑窗,根据滑窗窗口内的数据分布情况,确定每个维度的实时手势数据对应的滑窗窗口的窗口表征能力。
滑窗窗口的窗口表征能力的获取方法为:对于滑窗窗口的任意维度的任意陀螺仪数据,将该陀螺仪数据和滑窗窗口中该陀螺仪数据之前的同一维度的陀螺仪数据的波动范围大小的乘积,作为该陀螺仪数据的初始表征能力。需要说明的是,滑窗窗口中该陀螺仪数据之前的同一维度的陀螺仪数据的波动范围大小为滑窗窗口中该陀螺仪数据之前的同一维度的陀螺仪数据的极差值,极差值也即为最大陀螺仪数据和最小陀螺仪数据的差值。
将滑窗窗口内陀螺仪数据对应的最大初始表征能力的归一化值,作为滑窗窗口的窗口表征能力。
滑窗窗口的窗口表征能力的计算公式为:
其中,为实时手势数据在x维度下第m个滑窗窗口的窗口表征能力;norm为线性归一化函数;max为取最大值函数;/>为第m个滑窗窗口内的陀螺仪数据对应的最大初始表征能力;f为陀螺仪数据,也即为滑窗窗口内陀螺仪数据的振幅;t为滑窗窗口中当前陀螺仪数据f之前的同一维度的陀螺仪数据的波动范围大小,也即为滑窗窗口中当前陀螺仪数据f之前的同一维度的陀螺仪数据的极差值。
根据分析得知手势数据主要的信息是其角速度,手势数据中陀螺仪数据的波动振幅越大反映其变化的速度越快,变化的时间越久说明这个动作产生的情况越是这个手势的动作信息,其对整个手势的表征能力越好。其中滑窗窗口中当前陀螺仪数据f之前的同一维度的陀螺仪数据的波动范围大小,也即为陀螺仪数据波动的实际跨度。
步骤二,基于窗口表征能力,从每个维度的实时手势数据对应的滑窗窗口筛选出每个维度的实时手势数据对应的优选窗口,优选窗口的获取方法具体的:将Top-k个窗口表征能力对应的滑窗窗口作为优选窗口,其中k的取值为正整数。对于实时手势数据而言,即为将实时手势数据对应的滑窗窗口中,Top-k个窗口表征能力对应的滑窗窗口作为优选窗口。在本发明实施例中k的取值为10,在其他实施例中可由实施者根据实际情况进行调节。
步骤三,在手势识别簇内与实时手势数据同一维度的历史手势数据对应的陀螺仪数据上滑动滑窗,根据滑窗窗口内的数据分布情况,确定与实时手势数据同一维度的历史手势数据对应的滑窗窗口的窗口表征能力;基于窗口表征能力,从历史手势数据对应的滑窗窗口筛选出与实时手势数据同一维度的历史手势数据对应的优选窗口。
需要说明的是,历史手势数据对应的滑窗窗口的窗口表征能力和历史手势数据对应的优选窗口的实际获取方法和步骤一~步骤二中的获取方法相同。
步骤四,根据每个维度的实时手势数据对应的优选窗口和历史手势数据对应的优选窗口的相似情况,确定每个维度的实时手势数据和历史手势数据的相似性。通过步骤一~步骤三得到每次采集的同种手势数据的k个优选窗口,将优选窗口进行匹配,通过DTW算法对优选窗口进行匹配,将优选窗口内的数据匹配成数据对。分析不同手势数据对应的优选窗口的相似度,用于表征不同手势数据之间的相似性。
实时手势数据和历史手势数据的相似性的获取方法为:利用动态时间规整算法对每个维度的实时手势数据对应的优选窗口和同一维度的历史手势数据对应的优选窗口内的陀螺仪数据进行匹配,计算匹配后的数据对中数据之间的欧式范数,将相匹配的优选窗口内匹配后的数据对应的欧式范数的方差进行负相关归一化,将负相关归一化后的结果值,作为初始判断值;将最大初始判断值对应的历史手势数据对应的优选窗口作为历史最优窗口。
将每个维度的实时手势数据的优选窗口和对应的同一维度的历史最优窗口的初始判断值的和值进行归一化,将归一化后的值作为每个维度的实时手势数据和同一维度的历史手势数据的相似性。
实时手势数据和历史手势数据的相似性的计算公式为:
其中,为实时手势数据和第t个历史手势数据的相似性;norm为线性归一化函数;k为手势数据对应的优选窗口的数量;/>为实时手势数据的第l个优选窗口和对应的历史最优窗口的初始判断值。
在对优选窗口进行匹配时,计算任意两个优选窗口之间的相似情况,得到初始判断值,获得最大的初始判断值组成的窗口,已经匹配上的优选窗口不参与计算,重新计算剩余优选窗口。优选窗口之间的相似情况通过DTW匹配的数据对之间的欧式距离的方差判断,方差越大窗口之间的相似情况越差。根据每个优选窗口匹配的相似情况计算两个手势数据的相似性,优选窗口匹配相似性越大,手势数据之间的相似性就越大。
步骤五,根据每个维度的实时手势数据和手势识别簇内的历史手势数据的相似性,确定每个维度的实时手势数据在当前手势识别簇内的置信度,具体的:将每个维度的实时手势数据和手势识别簇内的同一维度的历史手势数据的相似性的和值进行归一化,将归一化后的值作为每个维度的实时手势数据在当前手势识别簇内的置信度。
作为本发明的优选实施例,还可以将除实时手势数据和同一手势识别簇内的历史手势数据的最小相似性之外的其他相似性的和值进行归一化,将归一化后的值作为实时手势数据的置信度。
步骤S400,结合实时手势数据的置信度、实时手势数据的手势信息表征值、实时手势数据与同一类手势识别簇内的历史手势数据的相似情况,确定实时手势数据在当前手势识别簇内的隶属度。
在进行聚类分析过程中,由于相同的手势姿态会存在动作幅度和速度的不同,进而会使得陀螺仪数据的幅值和时间不同,在对采集的数据和簇类中的数据进行相似度的计算时需要通过DTW进行数据匹配。在分析新采集的数据属于的簇类时,要考虑新采集的数据和簇类中所有数据之间的情况分析,考虑采集的数据和所有数据的相似度,综合考虑簇类中的所有数据进行簇类划分。
根据步骤S300可以获得两个手势数据之间的相似度,根据上述分析获得每个实时手势数据和历史手势数据中的数据每个维度数据的相似度,结合实时手势数据的置信度、实时手势数据的手势信息表征值、实时手势数据与同一类手势识别簇内的历史手势数据的相似情况,确定实时手势数据在当前手势识别簇内的隶属度。
隶属度的计算公式为:
其中,为实时手势数据在第i个手势识别簇内的隶属度;norm为线性归一化函数;E是第i个手势识别簇内的历史手势数据的数量;/>为在x轴维度上实时手势数据的置信度;/>为在y轴维度上实时手势数据的置信度;/>为在z轴维度上实时手势数据的置信度;/>为在x轴维度上实时手势数据与第e个历史手势数据的相似性;/>为在y轴维度上实时手势数据与第e个历史手势数据的相似性;/>为在z轴维度上实时手势数据与第e个历史手势数据的相似性;/>为实时手势数据在x轴维度上的手势信息表征值;/>为实时手势数据在y轴维度上的手势信息表征值;/>为实时手势数据在z轴维度上的手势信息表征值。
在分析隶属度时要考虑到采集的数据是多维数据,分析每个数据之间的同一维度相似情况,再通过维度表征能力去修正相似情况。例如采集的数据在x维度的数据的相似程度表现很好,但是根据分析得知这个手势数据在x维的表征能力较差,在对数据隶属度的计算时要降低其对隶属度的影响。
步骤S500,根据实时手势数据在不同手势识别簇中对应的隶属度,确定实时手势数据对应的真实手势识别簇。
将实时手势数据的最大隶属度所对应的手势识别簇作为待选手势识别簇,当最大隶属度大于预设隶属度阈值时,将待选手势识别簇作为真实手势识别簇,其中,预设隶属度阈值的取值为正数。在本发明实施例中预设隶属度阈值的取值为0.6,在其他实施例中由实施者根据实际情况调整该取值。
步骤S600,根据所述真实手势识别簇对智能戒指反馈控制指令。
根据上述获得真实手势识别簇的手势信息生成对应的控制指令,生成的控制指令传送到目标设备或系统,实现对其的控制。例如上述获得手势数据匹配不上,可以对智能戒指进行振动提醒用户输入手势错误。这可以通过无线通信技术或物理接口,如蓝牙或者USB等方式实现。
综上所述,本发明涉及用户交互技术领域。该方法首先获取智能戒指对应的不同维度的陀螺仪数据;并由实时的陀螺仪数据构成实时手势数据;将实时手势数据划分至任意手势识别簇中,根据不同维度的实时手势数据在每个手势识别簇中的波动情况,确定不同维度的实时手势数据在每个手势识别簇中的手势信息表征值;将每个维度的实时手势数据与手势识别簇内的同一维度的历史手势数据进行匹配,得到每个维度的实时手势数据在当前手势识别簇内的置信度;结合实时手势数据的置信度、实时手势数据的手势信息表征值、实时手势数据与同一类手势识别簇内的历史手势数据的相似情况,确定实时手势数据在当前手势识别簇内的隶属度;根据实时手势数据在不同手势识别簇中对应的隶属度,确定实时手势数据对应的真实手势识别簇,根据所述真实手势识别簇对智能戒指反馈控制指令。本发明避免了分析实时手势数据的所属的簇类时会受到噪声的干扰,分析实时手势数据和人为划分的手势识别簇中共同分布特征的相似性进行簇类划分,降低了噪声的干扰,提高手势识别的精准度。
一种智能戒指的手势识别方法实施例:
现有的对智能戒指的手势识别是通过人为标注的方式采集同一种手势的陀螺仪数据,将同一种手势的数据人为的划分成一个簇类,对新采集的手势数据利用动态时间规整算法进行簇类划分,以实现新采集的手势数据的手势识别,但同一种手势姿态由于使用者每次的挥动情况存在差异,采集的陀螺仪数据会存在一定的波动性,会导致在对新采集到的数据划分所属的簇类时受到噪声的干扰,导致手势划分出现误差,进而影响对手势识别的准确性。为了解决同一种手势姿态由于使用者每次的挥动情况存在差异,使得对新采集到的数据划分所属的簇类时受到噪声的干扰,导致手势识别的准确性较差的问题。本实施例提供一种智能戒指的手势识别方法。请参阅图2,其示出了一种智能戒指的手势识别方法的方法流程图,该方法包括以下步骤:
步骤S100,获取智能戒指对应的不同维度的陀螺仪数据;并由实时的陀螺仪数据构成实时手势数据。
步骤S200,将实时手势数据划分至任意手势识别簇中,根据不同维度的实时手势数据在每个手势识别簇中的波动情况,确定不同维度的实时手势数据在每个手势识别簇中的手势信息表征值。
步骤S300,将每个维度的实时手势数据与手势识别簇内的同一维度的历史手势数据进行匹配,得到每个维度的实时手势数据在当前手势识别簇内的置信度。
步骤S400,结合实时手势数据的置信度、实时手势数据的手势信息表征值、实时手势数据与同一类手势识别簇内的历史手势数据的相似情况,确定实时手势数据在当前手势识别簇内的隶属度。
步骤S500,根据实时手势数据在不同手势识别簇中对应的隶属度,确定实时手势数据对应的真实手势识别簇。
其中,步骤S100~步骤S500在上述基于手势识别的智能戒指控制方法实施例中已给出了详细说明,不再赘述。
本发明涉及用户交互技术领域。该方法首先获取智能戒指对应的不同维度的陀螺仪数据和对应的实时手势数据;将实时手势数据划分至任意手势识别簇中,由于不同手势在不同维度的表征能力不同,故根据不同维度的实时手势数据在每个手势识别簇中的波动情况,确定手势信息表征值,其用于后续调节实时手势数据在手势识别簇中的隶属度;将每个维度的实时手势数据与手势识别簇内的同一维度的历史手势数据进行匹配,得到每个维度的实时手势数据在当前手势识别簇内的置信度,该置信度反映了实时手势数据属于当前手势识别簇的概率;结合实时手势数据的置信度、实时手势数据的手势信息表征值、实时手势数据与同一类手势识别簇内的历史手势数据的相似情况,确定实时手势数据在当前手势识别簇内的隶属度,相较于从单一方向考虑实时手势数据在当前手势识别簇的隶属度,其综合考虑了实时手势数据与手势识别簇中所有数据之间的情况,考虑了实时手势数据与手势识别簇中所有数据的相似情况,并考虑了不同维度的特征,使得提高了对隶属程度的准确性的判断;根据实时手势数据在不同手势识别簇中对应的隶属度,确定实时手势数据对应的真实手势识别簇。本发明避免了分析实时手势数据的所属的簇类时会受到噪声的干扰,分析实时手势数据和人为划分的手势识别簇中共同分布特征的相似性进行簇类划分,降低了噪声的干扰,提高了手势识别的准确性。
需要说明的是:上述本发明实施例先后顺序仅仅为了描述,不代表实施例的优劣。在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。